[論文レビュー] AAG-Stega: Automatic Audio Generation-based Steganography

Zhongliang Yang, Xingjian Du+3 more|arXiv (Cornell University)|Sep 10, 2018

Advanced Steganography and Watermarking Techniques参考文献 27被引用数 13

ひとこと要約

本稿では、キャリアの変更を回避するため、秘密ビットストリームから直接高品質な音声カバーを生成する条件付き自己回帰モデルを用いた新しい音声ステガノグラフィー手法AAG-Stegaを提案する。秘密データを音声生成の潜在確率空間に埋め込むことで、高い埋め込み容量と優れた隠蔽性を達成し、主観的評価では複数の埋め込みレートにおいてランダムな推測を超えて顕著な検出性がないことが示された。

ABSTRACT

Steganography, as one of the three basic information security systems, has long played an important role in safeguarding the privacy and confidentiality of data in cyberspace. Audio is one of the most common means of information transmission in our daily life. Thus it's of great practical significance to using audio as a carrier of information hiding. At present, almost all audio-based information hiding methods are based on carrier modification mode. However, this mode is equivalent to adding noise to the original signal, resulting in a difference in the statistical feature distribution of the carrier before and after steganography, which impairs the concealment of the entire system. In this paper, we propose an automatic audio generation-based steganography(AAG-Stega), which can automatically generate high-quality audio covers on the basis of the secret bits stream that needs to be embedded. In the automatic audio generation process, we reasonably encode the conditional probability distribution space of each sampling point and select the corresponding signal output according to the bitstream to realize the secret information embedding. We designed several experiments to test the proposed model from the perspectives of information imperceptibility and information hidden capacity. The experimental results show that the proposed model can guarantee high hidden capacity and concealment at the same time.

研究の動機と目的

• 従来の音声ステガノグラフィー手法が既存のキャリアを変更するため、統計的分布を変化させ、検出のリスクを生じるという制限を解決すること。
• 自然な音声カバーを秘密ビットストリームから生成するステガノグラフィー枠組みを開発し、統計的不一致を回避すること。
• 高い情報隠蔽容量を達成するとともに、強い不可検出性と検出に対する耐性を維持すること。
• 生成モデルに基づく音声ステガノグラフィーが、容量および隠蔽性の両面で、従来のキャリア変更技術を上回ることを実証すること。

提案手法

• 本手法は、各音声サンプルの確率分布が秘密ビットストリームに条件づけられる条件付き自己回帰モデルを用いて音声サンプルを生成する。
• 秘密ビットは音声生成プロセスの条件付き確率空間に埋め込まれ、各サンプリングポイントの分布がビットストリームに応じて調整され、情報が埋め込まれる。
• 尤度に基づくスコアリング機構を採用し、生成されたステゴ音声がトレーニングデータの分布とどれほど近いかを評価することで、統計的一致性を確保する。
• フレームワークは条件付き確率分解 $ p(x_j | x_1, ..., x_{j-1}) $ を用い、秘密ビットによって条件付き確率が変調され、情報が埋め込まれる。
• モデルは、意味的に整合性があり、自然な音声と統計的に区別できない音声を生成するように訓練され、分布のずれを最小限に抑える。
• 知覚的同一性を評価するためにA/B/X主観的テストを用い、評価者がステゴ音声とクリア音声を区別できるかを試みる。

実験結果

リサーチクエスチョン

• RQ1 生成モデルを用いて、キャリア変更を回避して秘密ビットストリームから直接音声カバーを生成することは可能か？
• RQ2 提案手法は、高い埋め込み容量を維持しながら、統計的および知覚的隠蔽性を強固に達成できるか？
• RQ3 AAG-Stegaの隠蔽性能は、従来のステガノグラフィー手法と比較して、検出可能性の観点でどの程度優れているか？
• RQ4 埋め込みレートが、生成音声の知覚的および統計的同一性にどの程度影響を及ぼすか？
• RQ5 高い埋め込みレートであっても、生成音声を劣化なく信頼性高く復号できるか？

主な発見

• 全CPS値における平均尤度スコアは、妥当な範囲内を維持しており、CPS=2では0.306、CPS=64では0.783のスコアを示し、生成されたステゴ音声とトレーニングデータとの間で統計的類似性が高いことが示された。
• 主観的A/B/Xテストでは、全グループの平均正答率が44.0%であり、F1スコアは約0.54であった。これは、ランダムな推測を超えて顕著な検出性がないことを示している。
• 最低埋め込みレート（CPS=2）では、ステゴ音声の識別失敗率が61.2%に達し、低レートでの強い隠蔽性が裏付けられた。
• 埋め込みレートが上昇しても、失敗率は約50%で安定を保った。これは、異なるペイロードレベルにおいて一貫した検出不能性が維持されていることを確認した。
• モデルは、知覚的品質を維持しつつ高い埋め込み容量を達成しており、複数の評価指標における一貫性ある性能が裏付けられた。
• 結果から、AAG-Stegaが、検出可能な統計的異常や知覚的アーチファクトを引き起こさずに、秘密情報を効果的に埋め込んでいることが確認された。